फाइनेंशियल मार्केट्स का पूर्वानुमान लगाने के लिए जेनेटिक एल्गोरिदम का उपयोग करना

"ए रैंडम वॉक डाउन वॉल स्ट्रीट" (1973) में, बर्टन मल्कील ने सुझाव दिया, "एक अखबार के वित्तीय पन्नों पर डार्ट्स फेंकने वाले एक नेत्रहीन बंदर एक पोर्टफोलियो का चयन कर सकते हैं जो विशेषज्ञों द्वारा सावधानीपूर्वक चयनित एक के रूप में अच्छी तरह से करेंगे।" जबकि विकास ने शेयरों को लेने के लिए आदमी को अधिक बुद्धिमान नहीं बनाया हो सकता है, चार्ल्स डार्विन का सिद्धांत सीधे लागू होने पर काफी प्रभावी साबित हुआ है।

TUTORIAL: स्टॉक-पिकिंग रणनीतियाँ

जेनेटिक एल्गोरिदम क्या हैं?

जेनेटिक एल्गोरिदम (GAs) समस्या को सुलझाने के तरीके (या अनुमान) हैं जो प्राकृतिक विकास की प्रक्रिया की नकल करते हैं। कृत्रिम तंत्रिका नेटवर्क (एएनएन) के विपरीत, मस्तिष्क में न्यूरॉन्स की तरह कार्य करने के लिए डिज़ाइन किया गया, ये एल्गोरिदम एक समस्या के लिए सबसे अच्छा समाधान निर्धारित करने के लिए प्राकृतिक चयन की अवधारणाओं का उपयोग करते हैं। परिणामस्वरूप, GA का उपयोग आमतौर पर ऑप्टिमाइज़र के रूप में किया जाता है जो कुछ प्रतिक्रिया माप को कम करने या अधिकतम करने के लिए मापदंडों को समायोजित करता है, जिसे बाद में स्वतंत्र रूप से या एएनएन के निर्माण में उपयोग किया जा सकता है। (एएनएन के बारे में अधिक जानने के लिए, देखें: तंत्रिका नेटवर्क: पूर्वानुमान लाभ ।)

वित्तीय बाजारों में, आनुवंशिक एल्गोरिदम का उपयोग आमतौर पर एक ट्रेडिंग नियम में मापदंडों के सर्वोत्तम संयोजन मूल्यों को खोजने के लिए किया जाता है, और उन्हें स्टॉक लेने और ट्रेडों की पहचान करने के लिए डिज़ाइन किए गए ANN मॉडल में बनाया जा सकता है। कई अध्ययनों ने इन तरीकों की प्रभावशीलता का प्रदर्शन किया है, जिसमें "जेनेटिक एल्गोरिथम: स्टॉक मूल्यांकन का जेनेसिस" (2004) और "स्टॉक मार्केट डेटा खनन अनुकूलन में जेनेटिक एल्गोरिदम के अनुप्रयोग" (2004) शामिल हैं। (अधिक के लिए, देखें: ट्रेडिंग एल्गोरिदम कैसे बनाए जाते हैं ।)

जेनेटिक एल्गोरिदम क्या हैं?

कैसे जेनेटिक एल्गोरिदम काम करते हैं

जेनेटिक एल्गोरिदम को गणितीय रूप से वैक्टर का उपयोग करके बनाया जाता है, जो मात्रा में दिशा और परिमाण होते हैं। प्रत्येक व्यापारिक नियम के लिए पैरामीटर को एक आयामी वेक्टर के साथ दर्शाया जाता है जिसे आनुवंशिक शब्दों में गुणसूत्र के रूप में सोचा जा सकता है। इस बीच, प्रत्येक पैरामीटर में उपयोग किए जाने वाले मानों को जीन के रूप में माना जा सकता है, जिन्हें तब प्राकृतिक चयन का उपयोग करके संशोधित किया जाता है।

उदाहरण के लिए, एक व्यापारिक नियम में चलती औसत अभिसरण विचलन (एमएसीडी), एक घातीय चलती औसत (ईएमए) और स्टोचस्टिक जैसे मापदंडों का उपयोग शामिल हो सकता है। एक आनुवंशिक एल्गोरिथ्म तो शुद्ध लाभ को अधिकतम करने के लक्ष्य के साथ इन मापदंडों में इनपुट मान देगा। समय के साथ, छोटे परिवर्तन पेश किए जाते हैं, और जो एक वांछनीय प्रभाव डालते हैं उन्हें अगली पीढ़ी के लिए बरकरार रखा जाता है। (यह भी देखें: एल्गोरिथम ट्रेडिंग की मूल बातें ।)

इसके बाद तीन प्रकार के आनुवंशिक ऑपरेशन किए जा सकते हैं:

• क्रॉसोस जीवविज्ञान में देखे जाने वाले प्रजनन और क्रॉसओवर का प्रतिनिधित्व करते हैं, जिसके द्वारा एक बच्चा अपने माता-पिता की कुछ विशेषताओं को ग्रहण करता है।
• उत्परिवर्तन जैविक उत्परिवर्तन का प्रतिनिधित्व करते हैं और यादृच्छिक छोटे परिवर्तनों को पेश करके एक पीढ़ी से दूसरी पीढ़ी तक आनुवंशिक विविधता को बनाए रखने के लिए उपयोग किया जाता है।
• चयन वह चरण है जिस पर बाद में प्रजनन (पुनर्संयोजन या क्रॉसओवर) के लिए एक जनसंख्या से व्यक्तिगत जीनोम चुने जाते हैं।

इन तीन ऑपरेशनों का उपयोग पांच चरणों की प्रक्रिया में किया जाता है:

1. एक यादृच्छिक जनसंख्या को प्रारंभ करें, जहां प्रत्येक गुणसूत्र n -length है, जिसमें n मापदंडों की संख्या है। यही है, प्रत्येक तत्वों की एक यादृच्छिक संख्या n तत्वों के साथ स्थापित की जाती है।
2. गुणसूत्रों, या मापदंडों का चयन करें, जो वांछनीय परिणाम (वर्तमान में शुद्ध लाभ) बढ़ाते हैं।
3. चयनित माता-पिता के लिए म्यूटेशन या क्रॉसओवर ऑपरेटरों को लागू करें और एक संतान उत्पन्न करें।
4. चयन ऑपरेटर के साथ एक नई आबादी बनाने के लिए वंश और वर्तमान जनसंख्या को पुन: निर्धारित करें।
5. दो से चार चरणों को दोहराएं।

समय के साथ, इस प्रक्रिया से व्यापार नियम में उपयोग के लिए तेजी से अनुकूल गुणसूत्र (या पैरामीटर) बनेंगे। प्रक्रिया तब समाप्त की जाती है जब मानदंड रोक दिए जाते हैं, जिसमें समय, फिटनेस, पीढ़ियों की संख्या या अन्य मानदंड शामिल हो सकते हैं।

ट्रेडिंग में जेनेटिक एल्गोरिदम का उपयोग करना

जबकि आनुवंशिक एल्गोरिदम मुख्य रूप से संस्थागत मात्रात्मक व्यापारियों द्वारा उपयोग किया जाता है, व्यक्तिगत व्यापारी आनुवंशिक गणित की शक्ति का उपयोग कर सकते हैं - उन्नत गणित में डिग्री के बिना - बाजार पर कई सॉफ्टवेयर पैकेजों का उपयोग करते हुए। ये समाधान स्टैंडअलोन सॉफ़्टवेयर पैकेज से लेकर वित्तीय बाजारों की ओर Microsoft Excel के ऐड-ऑन की ओर बढ़ते हैं जो अधिक हाथों के विश्लेषण की सुविधा प्रदान कर सकते हैं।

इन अनुप्रयोगों का उपयोग करते समय, व्यापारी एक पैरामीटर का एक सेट परिभाषित कर सकते हैं जो तब आनुवंशिक एल्गोरिथ्म और ऐतिहासिक डेटा के सेट का उपयोग करके अनुकूलित किया जाता है। कुछ एप्लिकेशन ऑप्टिमाइज़ कर सकते हैं कि कौन से पैरामीटर का उपयोग किया जाता है और उनके लिए मान, जबकि अन्य मुख्य रूप से मापदंडों के दिए गए सेट के लिए मूल्यों को अनुकूलित करने पर केंद्रित हैं। (इन प्रोग्राम-व्युत्पन्न रणनीतियों के बारे में अधिक जानने के लिए, देखें: प्रोग्राम ट्रेड्स की शक्ति ।)

वक्र फिटिंग (ओवरफिटिंग), या दोहराए जाने वाले व्यवहार की पहचान करने के बजाय ऐतिहासिक डेटा के आसपास एक व्यापारिक प्रणाली को डिजाइन करना, आनुवंशिक एल्गोरिदम का उपयोग करने वाले व्यापारियों के लिए संभावित जोखिम का प्रतिनिधित्व करता है। जीए का उपयोग करने वाले किसी भी ट्रेडिंग सिस्टम को लाइव उपयोग से पहले कागज पर अग्रेषित किया जाना चाहिए।

पैरामीटर चुनना प्रक्रिया का एक महत्वपूर्ण हिस्सा है, और व्यापारियों को ऐसे मापदंडों की तलाश करनी चाहिए जो किसी दिए गए सुरक्षा की कीमत में बदलाव के लिए सहसंबंधित हों। उदाहरण के लिए, विभिन्न संकेतकों को देखने के लिए प्रयास करें कि क्या कोई प्रमुख बाजार में बदलाव के साथ सहसंबंधित प्रतीत होता है। (अधिक के लिए, देखें: सही एल्गोरिथम ट्रेडिंग सॉफ्टवेयर चुनना ।)

तल - रेखा

आनुवंशिक एल्गोरिदम प्रकृति की शक्ति का दोहन करके जटिल समस्याओं को हल करने के लिए अद्वितीय तरीके हैं। सुरक्षा की कीमतों की भविष्यवाणी करने के लिए इन तरीकों को लागू करके, व्यापारी किसी दिए गए सुरक्षा के लिए प्रत्येक पैरामीटर का उपयोग करने के लिए सर्वोत्तम मूल्यों की पहचान करके व्यापारिक नियमों का अनुकूलन कर सकते हैं। हालांकि, ये एल्गोरिदम पवित्र कंघी बनानेवाले की रेती नहीं हैं, और व्यापारियों को सही मापदंडों का चयन करने के लिए सावधान रहना चाहिए और वक्र फिट नहीं होना चाहिए। (अतिरिक्त पढ़ने के लिए, देखें: अपना खुद का एल्गो ट्रेडिंग रोबोट कैसे कोड करें ।)